融合結(jié)構(gòu)與屬性相似性的加權(quán)圖聚集算法

作者:邴睿; 馬慧芳; 劉宇航; 余麗 西北師范大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院; 甘肅蘭州730070; 桂林電子科技大學(xué)廣西可信軟件重點(diǎn)實(shí)驗(yàn)室; 廣西桂林541004; 廣西師范大學(xué)廣西多源信息挖掘與安全重點(diǎn)實(shí)驗(yàn)室; 廣西桂林541004

摘要:圖聚集技術(shù)是將一個(gè)大規(guī)模圖用簡(jiǎn)潔的小規(guī)模圖來(lái)表示,同時(shí)保留原始圖的結(jié)構(gòu)和屬性信息的技術(shù)?,F(xiàn)有算法未同時(shí)考慮節(jié)點(diǎn)的屬性信息與邊的權(quán)重信息,導(dǎo)致圖聚集后與原始圖存在較大差異。因此,提出一種同時(shí)考慮節(jié)點(diǎn)屬性信息與邊權(quán)重信息的圖聚集算法,使得聚集圖既保留了節(jié)點(diǎn)屬性相似度又保留了邊權(quán)重信息。該算法首先定義了閉鄰域結(jié)構(gòu)相似度,通過(guò)一種剪枝策略來(lái)計(jì)算節(jié)點(diǎn)之間的結(jié)構(gòu)相似度;其次使用最小哈希(MinHash)技術(shù)計(jì)算節(jié)點(diǎn)之間的屬性相似度,并調(diào)節(jié)結(jié)構(gòu)相似與屬性相似所占的比例;最后,根據(jù)2方面相似度的大小對(duì)加權(quán)圖進(jìn)行聚集。實(shí)驗(yàn)表明了該算法可行且有效。

注:因版權(quán)方要求,不能公開(kāi)全文,如需全文,請(qǐng)咨詢雜志社

計(jì)算機(jī)工程與科學(xué)

北大期刊 下單

國(guó)際刊號(hào):1007-130X

國(guó)內(nèi)刊號(hào):43-1258/TP

雜志詳情
相關(guān)熱門(mén)期刊

服務(wù)介紹LITERATURE

正規(guī)發(fā)表流程 全程指導(dǎo)

多年專注期刊服務(wù),熟悉發(fā)表政策,投稿全程指導(dǎo)。因?yàn)閷W⑺詫I(yè)。

保障正刊 雙刊號(hào)

推薦期刊保障正刊,評(píng)職認(rèn)可,企業(yè)資質(zhì)合規(guī)可查。

用戶信息嚴(yán)格保密

誠(chéng)信服務(wù),簽訂協(xié)議,嚴(yán)格保密用戶信息,提供正規(guī)票據(jù)。

不成功可退款

如果發(fā)表不成功可退款或轉(zhuǎn)刊。資金受第三方支付寶監(jiān)管,安全放心。